航天服务公司SES宣布将部署meoSphere,这是一个下一代中地球轨道(MEO)卫星网络,旨在显著提升该公司的MEO容量。
meoSphere计划于2030年投入运营,SES将其描述为一个灵活的多任务卫星网络,能够适应、扩展并随着全球政府和商业客户需求的变化而演进。
该网络与欧盟Iris2安全卫星星座兼容,旨在满足政府、移动通信和固定电信市场对安全、稳定、可靠和有弹性连接日益增长的需求。据称,该网络能够提升全球宽带容量,提高用户数据速度,同时降低终端尺寸和成本。
这些改进被称为跨越式发展,源于载荷和终端技术、软件定义网络、5G非地面网络(5G NTN)标准以及MEO固有优势的进步。MEO的优势包括高效的地理覆盖能力、将容量导向高需求区域的能力、优化地面站部署以及低延迟特性。
MEO轨道几何结构还提供了固有的弹性:相比密集的低轨道星座,数量较少且间隔较大的卫星呈现出根本不同的威胁特征。meoSphere的设计使SES能够为移动客户提供结合低地球轨道(LEO)和地球静止轨道的多轨道服务。
meoSphere在约8000公里高度运行,被视为能够适应新任务、新用例和新客户群体。在这些用例中,SES指出,对于政府和国防客户,meoSphere可以提供在争议环境中具有弹性的指挥控制通信。
该网络的透明载荷架构允许主权客户操作自己的波形和调制解调器,包括在"军用Ka波段"频谱范围内,保持机密和敏感任务所需的安全性和独立性。通过光学星间链路的天基路由确保流量始终降落在安全网关中。
对于航空和海事移动客户,meoSphere旨在提供光纤级吞吐量,同时支持跨海洋航线的乘客连接、机组通信和操作系统,在这些路线上不允许出现覆盖空白。对于商业航空,其高吞吐量和低延迟的结合旨在大规模运行。对于企业通信,meoSphere可以提供基于5G-NTN网络的高性能连接层,适合寻求路径多样性和扩展网络覆盖的客户。
除了核心宽带任务外,该网络的灵活架构将同时支持多项任务,包括与主权网络的集成,为政府和其他需要主权服务的客户提供服务。它还将支持不断增长的太空经济,作为客户载荷的天基主机,以及"太空中的骨干网络",实现所有轨道星座之间的互联,实时将数据中继给彼此和地面。
作为项目启动的一部分,SES将把自己在卢森堡开发和制造的软件定义载荷与卫星设计公司K2 Space开发的首批28个高功率卫星平台相配对,这代表了更广泛的meoSphere部署的第一阶段。这一合作旨在让SES更紧密地控制关键供应链要素,压缩建设时间线,并使公司能够精确管理进度和成本,为未来的可扩展性奠定基础。
这一公告建立在SES与K2现有合作的基础上,共同开发下一代MEO网络。在未来三年中,SES计划与K2 Space发射一系列MEO探路者任务,在轨道上测试和验证卫星总线和SES载荷组件,完善操作概念,并在全面部署前降低风险。每个任务都将承载逐步增加的载荷复杂性,将从早期飞行中吸取的经验教训纳入开发周期。
SES首席执行官阿德尔·萨利赫表示:"太空是全球数据经济和国家安全的无形支柱。我们与K2 Space和其他太空合作伙伴共同建设meoSphere作为关键基础设施——建设更快,旨在处理全球大规模数据需求,并建设支持我们全球政府盟友所依赖的安全、有弹性主权网络。"
K2 Space联合创始人兼首席执行官卡兰·坤朱尔补充说:"与SES的meoSphere合作伙伴关系清楚地验证了K2在轨道上建造最高功率卫星的使命,以实现我们合作伙伴和客户在太空中的雄心。我们非常自豪能够与SES合作,SES是一个长期存在且具有前瞻性的太空行业领导者,与我们一样致力于快速大规模建设新的高效太空架构。"
Q&A
Q1:meoSphere卫星网络有什么特点?
A:meoSphere是SES公司开发的下一代中地球轨道卫星网络,计划2030年投入运营。它具有灵活多任务、高吞吐量、低延迟特性,能够适应政府和商业客户的不同需求,提供安全稳定的连接服务。
Q2:meoSphere与其他卫星网络有什么不同?
A:meoSphere运行在约8000公里高度,相比密集的低轨道星座,它使用数量较少且间隔较大的卫星,提供更好的弹性和安全性。同时支持多轨道服务,能够与低地球轨道和地球静止轨道结合使用。
Q3:SES为什么选择与K2 Space合作?
A:SES与K2 Space合作能够更好地控制关键供应链要素,压缩建设时间,精确管理进度和成本。K2 Space将提供首批28个高功率卫星平台,为meoSphere部署的第一阶段奠定基础。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。